首页 / 论文与评测基准 研究与证据
论文与评测基准. 10 篇已核对来源的论文，涵盖二进制逆向、反编译、智能体评估与网站重建，附引文和研究边界。
会议论文、已接收论文和预印本分别标注。本合集核对一手来源；收录不代表已重新运行实验或独立复现结果。
二进制逆向工程9 网站重建1
二进制逆向工程 9 篇论文
2024 EMNLP 2024 会议论文
LLM4Decompile: Decompiling Binary Code with Large Language Models
Hanzhuo Tan; Qi Luo; Jing Li; Yuqun Zhang
训练语言模型将汇编反编译为 C，并改进 Ghidra 伪代码，以恢复函数能否重新编译并正确执行为评估目标。
研究范围与局限 论文实验限定于 x86 平台的 C 代码和函数级基准。通过抽样测试重新执行，不代表整程序等价或恢复了原始源码。仓库后续版本应与 2024 年论文区分。
论文 PDF 代码 BibTeX ↓ 引文详情与来源 与本合集的关联 直接研究 LLM 反编译，可作为评估智能体生成或改进伪代码的具体基线。
出版／提交日期 2024 年 11 月 日期依据 ACL 会议论文集的出版月份。 arXiv 首次提交 2024 年 3 月 8 日 arXiv 2403.05286 已核对的 arXiv 版本 v3 DOI 10.18653/v1/2024.emnlp-main.203 来源核对日期 2026 年 10 月 16 日 出版日期采用会议论文集月份；arXiv 首次提交日期单独记录。
一手来源 本合集仅核对来源，未重新运行论文实验。
2025 Findings of ACL 2025 会议论文
DecompileBench: A Comprehensive Benchmark for Evaluating Decompilers in Real-World Scenarios
Zeyu Gao; Yuxin Cui; Hao Wang; Siliang Qin; Yuanda Wang; Zhang Bolun; Chao Zhang
利用真实程序中的函数、运行时行为检查，以及 LLM 辅助的代码可理解性评估，比较传统反编译器与基于 LLM 的方法。
研究范围与局限 评估语料包含 130 个程序中的 23,400 个函数。基于模糊测试的检查覆盖有限，可理解性评分部分依赖 LLM 评审器。研究产物说明，重新构建的 OSS-Fuzz 项目可能与论文版本不同。
论文 PDF 代码 BibTeX ↓ 引文详情与来源 与本合集的关联 帮助读者在选择或评估逆向工具时，区分输出的可读性与行为保真度。
出版／提交日期 2025 年 7 月 日期依据 ACL 会议论文集的出版月份。 arXiv 首次提交 2025 年 5 月 16 日 arXiv 2505.11340 已核对的 arXiv 版本 v1 DOI 10.18653/v1/2025.findings-acl.1194 来源核对日期 2026 年 10 月 16 日 正式 ACL 记录与 PDF 使用作者名 Zhang Bolun，arXiv 记录使用 Bolun Zhang。论文中的 Jennieett/DecompileBench 链接现重定向至 vul337/DecompileBench。该论文不同于 Tan 等人的 Decompile-Bench（arXiv:2505.12668）。
一手来源 本合集仅核对来源，未重新运行论文实验。
2019 ASE 2019 会议论文
DIRE: A Neural Approach to Decompiled Identifier Naming
Jeremy Lacomis; Pengcheng Yin; Edward J. Schwartz; Miltiadis Allamanis; Claire Le Goues; Graham Neubig; Bogdan Vasilescu
结合反编译输出中的词法与结构信息预测有意义的变量名，并使用编译 C 项目构建训练和评估语料。
研究范围与局限 该工作研究学习式标识符命名，并非完整源码重建或自主智能体。报告结果针对 x86-64 C 代码语料，并依赖反编译器输出。原作者仓库已标记弃用，并指向后续项目。
论文 PDF 代码 BibTeX ↓ 引文详情与来源 与本合集的关联 为逆向助手常执行的变量重命名步骤提供基础研究依据。
出版／提交日期 2019 年 11 月 日期依据 作者研究产物中的引用信息及 ASE 2019 会议日程。 arXiv 首次提交 2019 年 9 月 19 日 arXiv 1909.09029 已核对的 arXiv 版本 v2 来源核对日期 2026 年 10 月 16 日 arXiv 论文标题使用 Naming，ASE 会议日程与原始代码仓库也使用 Renaming 这一变体，均指向同一论文。代码链接为已确认的原作者研究产物，已明确弃用，并不表示当前软件包仍受支持。
一手来源 本合集仅核对来源，未重新运行论文实验。
2022 USENIX Security 2022 会议论文
Augmenting Decompiler Output with Learned Variable Names and Types
Qibin Chen; Jeremy Lacomis; Edward J. Schwartz; Claire Le Goues; Graham Neubig; Bogdan Vasilescu
提出 Transformer 模型 DIRTY，根据反编译代码和布局信息推荐变量名与类型，并提供用于训练和评估的 DIRT 语料。
研究范围与局限 原始流程围绕 C 程序和 Hex-Rays 输出构建。预测名称与类型是模型推断，不保证与原始符号一致。正式论文发表于 2022 年，arXiv 预印本首次提交于 2021 年。
论文 PDF 代码 项目 BibTeX ↓ 引文详情与来源 与本合集的关联 将名称恢复扩展到类型恢复，直接帮助评估二进制分析助手添加的语义注释。
出版／提交日期 2022 年 8 月 日期依据 USENIX 论文集 BibTeX 记录中的出版月份。 arXiv 首次提交 2021 年 8 月 13 日 arXiv 2108.06363 已核对的 arXiv 版本 v1 来源核对日期 2026 年 10 月 16 日 年份与出版月份来自正式 USENIX 会议记录，不以较早的 arXiv 提交日期代替。
一手来源 本合集仅核对来源，未重新运行论文实验。
2024 ACM CCS 2024 会议论文
ReSym: Harnessing LLMs to Recover Variable and Data Structure Symbols from Stripped Binaries
Danning Xie; Zhuo Zhang; Nan Jiang; Xiangzhe Xu; Lin Tan; Xiangyu Zhang
结合两个微调语言模型与基于 Prolog 的跨函数推理，从去符号二进制的反编译结果中推断局部变量符号及用户自定义数据结构。
研究范围与局限 该方法依赖底层反编译结果及针对 C/C++ 数据学习的预测。交叉检查可减少预测冲突，但不能证明恢复的名称或布局与缺失源码完全一致。公开研究产物包含模型、处理后的数据与评估代码。
论文 PDF 代码 BibTeX ↓ 引文详情与来源 与本合集的关联 展示如何结合程序分析，为 LLM 生成的逆向工程注释提供依据。
出版／提交日期 2024 年 10 月 日期依据 作者托管的正式 PDF 标注 CCS 2024，会议日期为 10 月 14–18 日。 DOI 10.1145/3658644.3670340 来源核对日期 2026 年 10 月 16 日 出版商页面未能读取，但公开正式 PDF 与官方作者研究产物确认了 DOI、标题、六位作者、会议及 2024 年 10 月这一日期。
一手来源 本合集仅核对来源，未重新运行论文实验。
用可执行程序判定结果的 CrackMe 任务评估智能体：从二进制推断验证逻辑，提交可被接受的输入或产物，并记录工具使用、耗时与评分尝试。
研究范围与局限 v0 研究使用 12 个生成任务和 8 个公开校准任务，限定 Linux x86-64 ELF、Shell 接口和五分钟预算。紧凑的教学任务不能证明大型应用上的表现。未确认论文直接关联的公开研究产物 URL。
论文 PDF BibTeX ↓ 引文详情与来源 与本合集的关联 直接衡量自主逆向工程流程能否产生可验证、被目标程序接受的结果。
出版／提交日期 2026 年 5 月 11 日 日期依据 arXiv v1 首次提交日期。 arXiv 首次提交 2026 年 5 月 11 日 arXiv 2605.10597 已核对的 arXiv 版本 v1 来源核对日期 2026 年 10 月 16 日 所审阅 arXiv 记录未标明会议发表场所。参考文献中的工具仓库不视为论文自己的代码产物。
一手来源 本合集仅核对来源，未重新运行论文实验。
2026 COLM 2026 会议已接收
CREBench: Evaluating Large Language Models in Cryptographic Binary Reverse Engineering
Baicheng Chen; Yu Wang; Ziheng Zhou; Xiangru Liu; Juanru Li; Yilei Chen; Tianxing He
通过 432 个受控挑战，评估密码二进制逆向中的算法识别、密钥或 IV 提取、包装层重建及标志恢复。
研究范围与局限 语料组合 48 种算法、三类不安全密钥使用场景和三个难度等级。它不覆盖 Tigress、O-LLVM 等专业混淆器，结果不应推广到任意重度保护的二进制文件。
论文 PDF 代码 项目 BibTeX ↓ 引文详情与来源 与本合集的关联 对密码行为恢复提供细分、聚焦的测试，并有已确认的官方实现。
出版／提交日期 2026 年（具体日期未核实） 日期依据 arXiv 备注与作者官方项目确认 COLM 2026；未确认论文集的具体出版日期。 arXiv 首次提交 2026 年 4 月 4 日 arXiv 2604.03750 已核对的 arXiv 版本 v2 来源核对日期 2026 年 10 月 16 日 arXiv v2 日期为 2026-08-06。官方项目宣布已被 COLM 2026 接收，其 BibTeX 仍采用 arXiv 引用。该工作与另一篇同名 CreBench 的创造力评估论文无关。
一手来源 本合集仅核对来源，未重新运行论文实验。
2026 arXiv 预印本
The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark
Jeremy Spence; Nicholas Assaderaghi; Feng Xiao; Jinhao Zhu; Nikil Ravi; Xiangyu Qi; Matthew Jagielski; Raluca Ada Popa; Eric Wallace; Guannan Wei; Yangruibo Ding; Zhuo Zhang
提出 SRE-Bench，使用私有编写的程序及带保护机制的二进制变体，研究智能体恢复程序语义的能力，并减少训练数据污染。
研究范围与局限 修订版研究报告 19 个程序、262 个二进制实例和 1,572 个评分任务。二进制与任务实例未公开发布，只能通过评估服务访问。污染控制是作者的方法论主张，并非独立保证。
论文 PDF BibTeX ↓ 引文详情与来源 与本合集的关联 为智能体辅助逆向补充真实规模和数据污染控制的评估背景，同时明确私有语料的访问限制。
出版／提交日期 2026 年 8 月 11 日 日期依据 arXiv v1 首次提交日期；摘要与作者名单依据修订版 v2。 arXiv 首次提交 2026 年 8 月 11 日 arXiv 2608.11469 已核对的 arXiv 版本 v2 来源核对日期 2026 年 10 月 16 日 使用 2026-10-01 修订的 v2 十二位作者名单，而非旧 v1 搜索摘要中的八位作者。未确认会议发表场所或论文自己的公开代码仓库。参考文献中的 AgentRE-Bench GitHub 链接属于另一项基准。
一手来源 本合集仅核对来源，未重新运行论文实验。
2026 arXiv 预印本
Humans vs. Machines: A Comparison With AI Agents in Software Reverse Engineering
Samuele Doria; Stefano De Rosa; Ruoyu Wang; Zion Leonahenahe Basque; Eleonora Losiouk; Simone Aonzo
比较人类与 LLM 智能体在相同静态逆向挑战中的理解和导航方式，并研究二进制表示如何占用上下文窗口。
研究范围与局限 理解能力仅在两个紧凑挑战上评分；另一个包含 4,000 个二进制文件的实验测量上下文容量，并非解题准确率。接口为不含动态执行的静态 IDA/MCP，模型曾接触挑战源码的可能性仍是作者承认的有效性威胁。
论文 PDF BibTeX ↓ 引文详情与来源 与本合集的关联 为逆向智能体的工具接口、选择性检索及持久分析状态设计提供依据。
出版／提交日期 2026 年 10 月 10 日 日期依据 arXiv v1 首次提交日期。 arXiv 首次提交 2026 年 10 月 10 日 arXiv 2610.14960 已核对的 arXiv 版本 v1 来源核对日期 2026 年 10 月 16 日 这是一篇近期预印本，尚未确认会议发表场所或论文专属公开代码链接。arXiv 将其生成的 DOI 标为待注册，因此采用 arXiv 记录作为规范链接。
一手来源 本合集仅核对来源，未重新运行论文实验。
网站重建 1 篇论文
2025 NAACL 2025 会议论文
Design2Code: Benchmarking Multimodal Code Generation for Automated Front-End Engineering
Chenglei Si; Yanzhe Zhang; Ryan Li; Zhengyuan Yang; Ruibo Liu; Diyi Yang
使用真实网页参考、视觉元素和布局指标及人工评估，测试从网页截图重建前端代码的能力。
研究范围与局限 该工作属于网站视觉重建，不涉及二进制反编译，也不恢复后端行为或交互工作流。主基准含 484 个使用占位图的网页，代码与数据分别采用各自的许可条款。
论文 PDF 代码 项目 BibTeX ↓ 引文详情与来源 与本合集的关联 直接支持集合中的截图到网站重建主题，并明确区分视觉相似度与行为等价性。
出版／提交日期 2025 年 4 月 日期依据 ACL 会议论文集的出版月份。 arXiv 2403.03163 DOI 10.18653/v1/2025.naacl-long.199 来源核对日期 2026 年 10 月 16 日 采用正式 NAACL 2025 标题及六位作者名单；较早的项目页和 arXiv 阶段引用使用不同标题，且未列 Ryan Li。SALT-NLP/Design2Code 托管项目网站，NoviScl/Design2Code 才是已确认的研究代码仓库。
一手来源 本合集仅核对来源，未重新运行论文实验。